k-means的负轮廓分数

要计算K-means的负轮廓分数，可以使用Python中的scikit-learn库中的metrics模块。下面是一个包含代码示例的解决方法：

from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score

# 创建K-means模型
kmeans = KMeans(n_clusters=3)

# 训练模型并预测类别
labels = kmeans.fit_predict(X)

# 计算轮廓分数
score = silhouette_score(X, labels)

# 打印负轮廓分数
print("Negative Silhouette Score:", -score)

在这个示例中，首先需要创建一个K-means模型，并传递所需的聚类数量（n_clusters）。然后，使用.fit_predict()方法来训练模型并预测每个样本的类别。接下来，使用silhouette_score()函数来计算轮廓分数。最后，打印出负轮廓分数（-score）。

请注意，轮廓分数本身是一个介于-1和1之间的值，其中负值表示聚类结果不佳。因此，为了得到负轮廓分数，需要将正轮廓分数取负。

这只是一个简单的示例，你可以根据自己的需求进行修改和扩展。